支持向量机

支持向量机

基于最大间隔分割数据

支持向量机的优缺点：

• 优点： 幻化错误率低， 计算开销不大，结果易解释。
• 缺点： 对参数调节和核函数的选择敏感， 原始分类器不加修改仅适用于处理二类问题。
• 使用数据类型： 数值型和标称型数据。

　　支持向量就是离分隔超平面最近的那些点。接下来要试着最大化支持向量到分隔面的距离，需要找到此问题的优化求解方法。

svm应用的一般框架

1	收集数据	可以适用任意方法
2	准备数据	需要数值型数据
3	分析数据	有助于可视化分隔超平面
4	训练算法	SVM的大部分时间都源于训练， 该国称主要实现两个参数的调优
5	测试算法	十分简单的计算过程就可以实现
6	适用算法	几乎所有分类问题都可以使用SVM， SVM本身使一个二类分类器， 对多累问题应用SVM需要对代码做一些修改